2026-07-16 日报

主题: 工业级判别式推荐：统一架构解耦与访问习惯去偏

标签: search-ranking · feature-interaction · transformer · industrial

📊 统计: 共 3 篇 · 精读 2 · 🏢 工业界 2 · 🎓 学术 1 · discriminative-rec 2 · other 1

综述

当日入选 3 篇论文，节奏清淡：2 篇工业判别式推荐（均已精读），1 篇学术评估工具包。两篇工业精读不约而同押注「正交解耦」这一手法来修复统一建模中的信号污染。阿里天猫的 TMallGS 直面 LLM 式一体化搜索精排架构的异构性鸿沟，用层次化校准 tokenization、Per-Field QKV 门控骨干、Decoupled FiLM 后融合与正交 Bias Net 把特征与序列信号「交互解耦」，遵循 scaling law 放大参数，线上取得 +1.52% GMV。蚂蚁芝麻的 OrDA 则聚焦首页营销位的「习惯性伪正样本」偏差，用门控双塔加余弦正交正则把用户内容兴趣与访问习惯在表示空间强制拆开，推理时以 do(H=0) 加性置零剥离习惯分量净化兴趣分，线上 UCTR +5.64%。学术侧 CtrlBench-Rec 提出用协作多智能体评估推荐系统「可控性」的 benchmark，覆盖目标内容发现、兴趣画像塑造、流行度偏差缓解三类任务，并揭示现有模型普遍难以被引导至长尾内容。趋势上，工业界正把「统一大架构 + 正交解耦去偏」作为搜索/推荐精排的主线，而可控性正成为下一个值得关注的评估维度。

重点论文

TMallGS · ⭐ 8/10

TMallGS: Scaling Unified Feature and Sequence Modeling for Generative E-commerce Search

🏢 Alibaba · 判别式推荐

TMallGS 是天猫搜索精排的统一特征+序列 Transformer 架构，通过层次化校准 tokenization、Per-Field QKV 门控骨干、Decoupled FiLM 后融合与正交 Bias Net，专门修复 LLM 式一体化架构在搜索场景的异构性鸿沟与信号稀释，遵循 scaling law 并在天猫搜索线上取得 +1.52% GMV。

OrDA · ⭐ 6/10

OrDA: Orthogonal Disentanglement of Access Habits Framework for Homepage Marketing Block Recommendations

🏢 Ant Group · 判别式推荐

OrDA（蚂蚁芝麻）针对首页营销位『习惯性伪正样本』偏差，用门控双塔+余弦正交正则把用户内容兴趣与访问习惯在表示空间强制解耦，推理时以 do(H=0) 加性置零剥离习惯分量，线上 UCTR +5.64%。

全部论文